見事な出来栄え: Cloud AI で Mars 社のモルティーザーズを使った新しいお菓子を作る
Google Cloud Japan Team
※この投稿は米国時間 2021 年 3 月 30 日に、Google Cloud blog に投稿されたものの抄訳です。
Google Cloud AI は、Google と世界中のお客様との共同プロジェクトに活かされています。Google は、組織と提携し、AI を使用して新しい予測、ビジネス プロセスの自動化、洪水予報を行い、さらには気候変動や慢性疾患と闘っています。ときには、AI を使って新しいものを発明するお客様を支援することもあります。ここでは、AI によって新たな味の発見に挑戦した事例をご紹介します。
有名な菓子メーカーである Mars, Inc. からモルティーザーズと AI キッチンのコラボレーションの打診を受けたとき、その魅力に抗うことはできませんでした。モルティーザーズは、Mars が製造している英国で人気のチョコボールです。フワフワしたモルト ミルクボールにおいしいチョコレートがコーティングされています。私たちはこの機会を Mars のような伝統ある革新的な企業と手を組む手段ととらえ、また AI と人間の共同作業が生み出す魔法を世に示すチャンスでもあると考えました。
優れた AI、さらに言えば優れた設計は、人間の設計者が、人間ができることと技術ができることを検討し、両者の微妙なバランスをうまくとったときに生まれます。今回のケースでは、AI のパティシエが、その創造主であるお菓子作りも得意な、優秀な ML エンジニア Sara Robinson に有用なアドバイスを提供しました。
2020 年のステイホームの間、Sara を含む多くの人がお菓子作りを始めました。そして、良いパン生地が膨らむように、お菓子を作る人の数は今も増え続けています。Google 検索のトレンドによると、2021 年、「baking（焼き菓子）」の検索数は 2020 年の同時期よりも 44% 増加しました。Sara もその流行に飛び乗り、AI と焼き菓子の関係を調べました。
AI + Google 検索のトレンドが風変わりなデザートを生み出す
この時期 Sara は、クッキー、ケーキ、スコーン、トレイベイク、およびそれらのハイブリッドのレシピを生成する新しい ML モデルをトレーニングしました。実証済みレシピのデータセットを準備し、キッチンで自身の創造性と Mars のモルティーザーズをモデルの作成に注ぎ込む方法を模索しました。
モデルのトレーニングと焼き菓子の実験を始めてから何時間も経ったとき、Sara は、AI によって最適化されたケーキとクッキーのレシピに細かく砕いたモルティーザーズとそのままのモルティーザーズをうまく取り入れて、まったく新しいデザートを作りました。
しかし、この試みをここで終わらせたくはありませんでした。出来上がったレシピに何か独創的な工夫を加える必要がありました。そこで、甘くて歯ざわりの良いモルティーザーズとバランスをとるために、塩味が効いていてクリーミーで英国風なものがないかと探し始めました。その結果たどり着いたのが、マーマイトを加えたバタークリームでした。
Google 検索のトレンドで調べたところ、「sweet and salty（甘くて塩辛い）」に関連する最近の質問の上位に「Is Marmite sweet or savory?（マーマイトは甘いのか、塩味なのか？）」というものがありました。マーマイトとは英国で人気の塩気のあるスプレッドで、このマーマイトをレシピに追加することにしました。Sara はキッチンに戻り、マーマイトを加えたバタークリームのトッピングを手早く作りました。これはいける！
ところで、Sara は正確にはどのようにしてモデルを構築したのでしょうか。最初にしたのは、焼き菓子作りを厳密な科学として深く考えることでした。
TensorFlow と Cloud AI によるスイーツモデルの構築
このプロジェクトの目標は、モルティーザーズとマーマイトを使った新しいレシピを考案するための基礎となるモデルを構築することでした。レシピを生成するモデルを開発するにあたり、Sara は次のような疑問を持ちました。「モデルが焼き菓子の種類を入力として受け取り、その調理に必要な材料の量を出力したらどうなるだろうか？」
モルティーザーズは主に英国で販売されているため、英国の焼き菓子によく使われるセルフライジング フラワー、上白糖、糖蜜のような材料をレシピに使いたいと考えました。これを考慮するため、Sara は英国のレシピのデータセットを使用してモデルを作成しました。このデータセットは、英国で人気のある 4 種類の焼き菓子のカテゴリ、すなわちビスケット（米国ではクッキーに相当）、ケーキ、スコーン、トレイベイクで構成されていました。たとえば、ケーキのレシピを作成する場合、モデルの入力と出力は次のようになります。
Sara は Google Cloud でこのモデルを構築するツールを探し、Cloud AI Platform Notebooks を使用して特徴量エンジニアリングとモデル開発を開始しました。AI Platform Notebooks は、データの前処理が必要な部分を特定するのに便利でした。データを可視化してその統計情報を生成した後、すべての材料の量が標準範囲内に収まるようにモデルへの入力をスケールしなければならないと気づきました。
データの前処理が完了したら、次はデータをモデルにフィードします。モデルの構築には TensorFlow の Keras API を使用しました。試行錯誤を重ねて最適なモデル アーキテクチャを決定するのではなく、AI Platform のハイパーパラメータ調整（複数のトレーニング ジョブ トライアルを実行してモデルのハイパーパラメータを最適化するサービス）を利用しました。ハイパーパラメータの最適な組み合わせが決まったら、AI Platform Prediction を使用してモデルをデプロイしました。
AI と人間の創造性の融合による結果の向上
デプロイしたモデルは材料の量の一覧を返します。これまでになんらかの焼き菓子を作ったことがある方なら、これが完成したレシピとは程遠いものであることがおわかりでしょう。レシピを完成させるには、材料の量をレシピの手順に変換し、モルティーザーズとマーマイトを加える独創的な方法を見つける必要がありました。
作成したモデルは、どの種類の焼き菓子についてもレシピを的確に予測しましたが、そのアーキテクチャの魔法のおかげでハイブリッドも生み出すことができました。モデルが出力した最良のレシピはビスケットとケーキのレシピで、そこから次のようなアイデアがひらめきました。「ML で生成された 2 つのレシピを組み合わせて 1 つのデザートにしたらどうなるだろうか？」その結果生まれたのは、ML で生成されたクッキーの上に乗せた、ML で生成されたケーキ生地でした。
次に、Mars のモルティーザーズをこのレシピに組み込む必要があります。モデルから出力されるのは焼き菓子の基本的な材料だけなので、ケーキとビスケットのレシピにモルティーザーズを加える方法は人間が考えなければなりません。モルティーザーズは美味で多目的に使えるため、いろいろな形で加えることにしました。モルティーザーズを細かく砕いて生地に練り込むとともに、そのままのモルティーザーズを 3 粒ケーキとビスケットの間に挟みました。
最後に、このデザートの仕上げとして、Sara はマーマイトの塩味を加えるうまい方法を探しました。いくつかの方法を試した後、マーマイトにバタークリームのベースと英国のレシピでよく使われる糖蜜を混ぜ合わせたものをフロスティングに使うことに決めました。完成したお菓子を次の写真に示します。このように、甘くて塩辛いフロスティングで表面を覆い、モルティーザーズを飾り付けて見栄えを良くしました。
Mars ではデジタルによる実験が取り入れられており、その実施が奨励されています。Mars Wrigley でデータ サイエンスおよびアドバンスト アナリティクスのグローバル ヘッドを務める Sam Chang 氏は、次のように述べています。「AI を使用してレシピ開発の基礎を構築すれば、キッチンにイノベーションをもたらす無限の可能性が広がります。アイデアを簡単にすばやく現実化できるので、すでに複数のアイデアが考案されました。」また、Mars Wrigley UK のマーケティング ディレクターである Christine Cruz-Clarke 氏は、次のように述べています。「私たちは長い間、消費者をお気に入りのブランドにつなげる方法を探してきました。Cloud AI チームとのコラボレーションを通じて、自宅で独創的なクッキングを楽しんでもらう新たな道が見つかりました。」
作ってみましょう
あとは焼くだけです。Maltesers® AI Cakes（4d6172730a）を自宅で作るためのレシピは次のとおりです。ケーキ生地、クッキー生地、フロスティングの作成が大変なように感じる場合は、どれかお好きな部分だけを作って楽しんでください（フロスティングだけ食べたい方も否定はしません）。お菓子ができたら、ぜひ私たちにも見せてください。Twitter または Instagram でハッシュタグ #BakeAgainstTheMachine を付けて写真をアップしてください。
-デベロッパー アドボケイト Sara Robinson
-データと分析担当エンタープライズ カスタマー エンジニア Amir Dehbi
